|
|
|
我們對人類思維的理解，大都基於各種概率模型。這部頗具創意的著作由傑爾姆·R.布斯邁耶和彼得·D.布魯紮撰寫，他們認為對於人類思維，以量子理論為基礎數學架構所能提供的解釋，實際上比傳統的數學架構好得多。
他們介紹了用概率-動力學系統建模的基礎，涉及量子理論的兩個方面：首先是“情境性”，情境性可用於理解在不確定條件下人們在推斷和決策時經常發現的干涉效應；第二是“量子糾纏”，運用這個概念，可以通過不可約的方式為認知現象建模。運用從量子理論中抽取的這些原則，我們能以全新的眼光來處理人類的認知和決策。
本書以簡單明瞭的方式介紹了基本原理，並假設讀者不需要具有物理學背景或量子大腦，而且在認知和決策的重要領域為讀者提供了完整的輔導和解答。
傑爾姆R.布斯邁耶是美國印第安那大學Bloomington分校心理與腦科學系的教授。他的研究內容是學習和決策的數學模型，他提出了一個人類決策的動態理論，稱為決策場理論。布斯邁耶教授在認知和決策科學期刊（包括《心理學評論》）上，發表了100多篇文章，並於2005~2010年擔任《數學心理學期刊》的主編.
彼得D.布魯札是澳大利亞Brisbane Queensland大學科學與技術學院的教授，他的研究涉及資訊檢索、認知科學和應用邏輯。他是量子互動領域（QI）的先驅和發起人之一，並在量子互動研討會的指導委員會任職。布魯紮教授還在《資訊檢索》《應用邏輯學報》《IGPL邏輯學報》以及“資訊科學與知識管理系列叢書”的編輯委員會任職。
作者簡介
譯者序
前 言
致 謝
1 為什麼要在認知和決策領域運用量子理論？
幾個吸引人的理由
1.1 用量子方法解決認知和決策問題的六個理由 _ 00
1.2 認知和決策領域的四個案例 _ 00
1.3 歷史回顧和更廣闊的圖景 _ 0
2 什麼是量子理論？
一個簡單的介紹
2.1 幾何方法 _ 0
2.2 路徑圖方法 _ 0
2.3 矩陣代數 _ 0
2.4 線性代數 _ 0
2.5 量子公理 _ 0
2.6 關於量子理論的進一步閱讀建議 _
3 量子理論可以預測什麼？
預測提問順序對受試者態度的影響
3.1 一個簡單的例子 _
3.2 互易定律的實驗檢驗 _
3.3 一般量子模型 _
3.4 預測順序效應 _
3.5 結束語 _
4 如何應用量子理論？
如何解釋人的概率判斷錯誤
4.1 “交集謬誤”和“並集謬誤” _
4.2 推理的順序效應 _
4.3 相容性與量子合理性 _
5 受量子啟發的概念組合模型
5.1 概念組合與認知 _
5.2 基於量子干涉的概念組合的非組合模型 _
5.3 將概念組合建模為複合量子系統 _
5.4 用於分析概念組合的組合性的概率方法 _
5.5“非組合性”概念組合的案例 _
6 量子理論在聯合記憶識別中的一個應用
6.1 情節過度分配效應 _
6.2 經典概率 _
6.3 認知模型 _
6.4 路徑圖量子模型 _
6.5 各種模型的比較 _
6.6 結論 _
7 人類語義空間的類量子模型
7.1 人類心理詞庫 _
7.2 單詞、語境和希爾伯特空間 _
7.3 從複合量子體系的角度分析“超距怪異行為” _
7.4 語義空間的量子力學 _
7.5 詞義空間之間的距離 _
8 什麼是量子動力學？更上一層樓
8.1 雙穩態感知應用 _
8.2 分類決策的應用 _
8.3 隨機行走信號檢測模型 _
9 什麼是量子優勢？量子在決策中的應用
9.1 阿萊悖論和埃斯伯格悖論 _
9.2 並集效應 _
9.3“並集效應”的瑪律可夫模型和量子模型 _
9.4 動力學一致性 _
9.5 分類對決策的干涉 _
9.6 結論 _
10 如何使用量子資訊理論為人類資訊處理建模
10.1 由“量子位元”（qubits）表示的資訊 _
10.2 受控U邏輯門形成的規則 _
10.3 以增-減狀態表示的評估 _
10.4 狀態-動作序列 _
10.5 結束語 _
11 量子體系可以學習嗎？介紹量子更新
11.1 基於經驗的量子狀態更新 _
11.2 基於梯度下降學習的權重更新 _
11.3 量子強化學習 _
11.4 學習模型總結 _
12 量子認知和決策的未來前景如何？
12.1 量子理論對認知和決策的貢獻 _
12.2 未來的研究方向 _
12.3 量子認知的實際應用 _
12.4 量子合理性 _
12.5 神經科學與量子理論 _
12.6 意識之難題 _
12.7 量子和認知之間的結合只會導致謬論嗎？ _
附錄
附錄A 數學符號 _
附錄B 狀態的密度矩陣表示 _
附錄C 用密度矩陣分析“提問順序”效應 _
附錄D 泡利矩陣 _
附錄E 量子隨機行走 _
附錄F “並集效應”的其他幾個量子模型 _
附錄G 電腦程式 _
